MétaCan
Menu
Retour à la cohorte
Enregistrement W4282976337 · doi:10.1097/icb.0000000000001293

MACULAR HOLE HYDRODISSECTION TECHNIQUE WITH HUMAN AMNIOTIC MEMBRANE FOR REPAIR OF LARGE MACULAR HOLES

2022· article· en· W4282976337 sur OpenAlexaff
Tina Felfeli, Michael Corrin, John Papanikolaou, Efrem D. Mandelcorn

Notice bibliographique

RevueRetinal Cases & Brief Reports · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueRetinal and Macular Surgery
Établissements canadiensToronto Western HospitalUniversity Health NetworkPublic Health OntarioUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésCannulaMacular holeMedicineRetinal pigment epitheliumOphthalmologyAmnionRetinalVitrectomySurgeryBiologyPregnancyFetus

Résumé

récupéré en direct d'OpenAlex

PURPOSE: To describe a combined surgical technique using the macular hole hydrodissection (MHH) with human amniotic membrane for repair of large macular holes. METHODS: A step-by-step procedure and a surgical video using the combined MHH and human amniotic membrane technique are presented. DESCRIPTION AND TECHNIQUE: As the first step, the MHH separates the adhesions of the macular hole to the underlying retinal pigment epithelium with a soft-tipped cannula through proportional reflux followed by gentle passive aspiration. The human amniotic membrane graft is marked to identify the nonsticky epithelial side and ensure that the stromal layer (sticky and nonshinny) is facing downward toward the retinal pigment epithelium. The graft is then tucked into the space created with MHH between the macular hole edges and the retinal pigment epithelium with closed forceps to decrease the likelihood of the graft from dislocating postoperatively. CONCLUSION: The MHH in combination with the human amniotic membrane is a practical and effective technique for addressing challenging large macular holes.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Étude de cas · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,014
Tête enseignante GPT0,279
Écart entre enseignants0,265 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeÉtude de cas
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations12
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRetinal Cases & Brief ReportsMême sujetRetinal and Macular SurgeryTravaux en français237 207